Jaringan Syaraf Tiruan - Konsep Dasar

Jaringan saraf adalah perangkat komputasi paralel, yang pada dasarnya merupakan upaya untuk membuat model komputer otak. Tujuan utamanya adalah mengembangkan sistem untuk melakukan berbagai tugas komputasi lebih cepat daripada sistem tradisional. Tugas-tugas ini meliputi pengenalan dan klasifikasi pola, perkiraan, pengoptimalan, dan pengelompokan data.

Apa itu Jaringan Syaraf Tiruan?

Artificial Neural Network (ANN) adalah sistem komputasi efisien yang tema utamanya dipinjam dari analogi jaringan saraf biologis. ANN juga disebut sebagai "sistem saraf buatan", atau "sistem pemrosesan terdistribusi paralel", atau "sistem koneksionis". JST memperoleh banyak koleksi unit yang saling berhubungan dalam beberapa pola untuk memungkinkan komunikasi antar unit. Unit-unit ini, juga disebut sebagai node atau neuron, adalah prosesor sederhana yang beroperasi secara paralel.

Setiap neuron terhubung dengan neuron lain melalui tautan koneksi. Setiap tautan koneksi dikaitkan dengan bobot yang memiliki informasi tentang sinyal input. Ini adalah informasi yang paling berguna bagi neuron untuk memecahkan masalah tertentu karena bobot biasanya merangsang atau menghambat sinyal yang sedang dikomunikasikan. Setiap neuron memiliki keadaan internal, yang disebut sinyal aktivasi. Sinyal keluaran, yang dihasilkan setelah menggabungkan sinyal masukan dan aturan aktivasi, dapat dikirim ke unit lain.

Sejarah Singkat ANN

Sejarah JST dapat dibagi menjadi tiga era berikut -

ANN selama 1940-an hingga 1960-an

Beberapa perkembangan utama dari era ini adalah sebagai berikut -

1943 - Diasumsikan bahwa konsep jaringan saraf dimulai dengan karya ahli fisiologi, Warren McCulloch, dan ahli matematika, Walter Pitts, ketika pada tahun 1943 mereka membuat model jaringan saraf sederhana menggunakan sirkuit listrik untuk menggambarkan bagaimana neuron di otak dapat bekerja. .
1949- Buku Donald Hebb, The Organisation of Behavior , mengemukakan fakta bahwa aktivasi berulang dari satu neuron oleh yang lain meningkatkan kekuatannya setiap kali digunakan.
1956 - Jaringan memori asosiatif diperkenalkan oleh Taylor.
1958 - Metode pembelajaran model neuron McCulloch dan Pitts bernama Perceptron ditemukan oleh Rosenblatt.
1960 - Bernard Widrow dan Marcian Hoff mengembangkan model yang disebut "ADALINE" dan "MADALINE".

ANN selama tahun 1960-an hingga 1980-an

Beberapa perkembangan utama dari era ini adalah sebagai berikut -

1961 - Rosenblatt melakukan upaya yang tidak berhasil tetapi mengusulkan skema "propagasi mundur" untuk jaringan multilayer.
1964 - Taylor membangun sirkuit pemenang-ambil-semua dengan hambatan di antara unit keluaran.
1969 - Multilayer perceptron (MLP) ditemukan oleh Minsky dan Papert.
1971 - Kohonen mengembangkan ingatan asosiatif.
1976 - Stephen Grossberg dan Gail Carpenter mengembangkan teori resonansi Adaptif.

ANN dari 1980-an sampai Sekarang

Beberapa perkembangan utama dari era ini adalah sebagai berikut -

1982 - Perkembangan utama adalah pendekatan Energi Hopfield.
1985 - Mesin Boltzmann dikembangkan oleh Ackley, Hinton, dan Sejnowski.
1986 - Rumelhart, Hinton, dan Williams memperkenalkan Generalized Delta Rule.
1988 - Kosko mengembangkan Binary Associative Memory (BAM) dan juga memberikan konsep Fuzzy Logic pada ANN.

Tinjauan sejarah menunjukkan bahwa kemajuan signifikan telah dicapai di bidang ini. Chip berbasis jaringan saraf bermunculan dan aplikasi untuk masalah kompleks sedang dikembangkan. Tentunya, hari ini adalah masa transisi untuk teknologi jaringan saraf.

Neuron Biologis

Sel saraf (neuron) adalah sel biologis khusus yang memproses informasi. Menurut perkiraan, ada jumlah neuron yang sangat besar, kira-kira 10 ¹¹ dengan banyak interkoneksi, kira-kira 10 ¹⁵ .

Diagram skematik

Cara Kerja Neuron Biologis

Seperti yang ditunjukkan pada diagram di atas, neuron tipikal terdiri dari empat bagian berikut dengan bantuan yang dapat kami jelaskan cara kerjanya -

Dendrites- Mereka adalah cabang seperti pohon, bertanggung jawab untuk menerima informasi dari neuron lain yang terhubung dengannya. Dalam pengertian lain, kita dapat mengatakan bahwa mereka seperti telinga neuron.
Soma - Ini adalah badan sel neuron dan bertanggung jawab untuk memproses informasi, yang mereka terima dari dendrit.
Axon - Ini seperti kabel yang digunakan neuron untuk mengirimkan informasi.
Synapses - Ini adalah hubungan antara akson dan dendrit neuron lainnya.

JST versus BNN

Sebelum melihat perbedaan antara Jaringan Syaraf Tiruan (JST) dan Jaringan Saraf Tiruan (BNN), mari kita lihat persamaan berdasarkan terminologi di antara keduanya.

Jaringan Syaraf Biologis (BNN)	Jaringan Syaraf Tiruan (JST)
Soma	Node
Dendrit	Memasukkan
Sinapsis	Bobot atau Interkoneksi
Akson	Keluaran

Tabel berikut memperlihatkan perbandingan antara JST dan BNN berdasarkan beberapa kriteria yang disebutkan.

Kriteria	BNN	ANN
Processing	Paralel besar-besaran, lambat tetapi lebih unggul dari ANN	Paralel secara besar-besaran, cepat tetapi lebih rendah dari BNN
Size	10 ¹¹ neuron dan 10 ¹⁵ interkoneksi	10 ² hingga 10 ⁴ node (terutama bergantung pada jenis aplikasi dan perancang jaringan)
Learning	Mereka bisa mentolerir ambiguitas	Data yang sangat tepat, terstruktur, dan diformat diperlukan untuk mentolerir ambiguitas
Fault tolerance	Performa menurun bahkan dengan kerusakan parsial	Ia mampu melakukan kinerja yang kuat, sehingga berpotensi menjadi toleran terhadap kesalahan
Storage capacity	Menyimpan informasi di sinapsis	Menyimpan informasi di lokasi memori kontinu